一种配电网负荷长短期记忆神经网络预测方法技术

本发明专利技术公开了一种配电网负荷长短期记忆神经网络预测方法，要解决的是现有配电网负荷预测与光伏出力预测的分析过程复杂，且容易受相关性与冗余性影响的问题。本发明专利技术的具体步骤如下：步骤一，采用LSTM分别构建配电网负荷与光伏出力预测模型；步骤二，采用LSTM自动提取历史关联性数据，得到配电网负荷的预测值和光伏出力的预测值；步骤三，将配电网负荷的预测值减去光伏出力的预测值，得到配电网净负荷的预测值。本发明专利技术的方法在无需开展特征工程前提下，在不同季节、气象条件下，预测效果普遍优于基于SVR的净负荷预测方法，具有良好的预测精度；本发明专利技术的方法可有效满足配电网调度需要，具有良好的实用价值。

【技术实现步骤摘要】
一种配电网负荷长短期记忆神经网络预测方法
本专利技术涉及配电网长短期负荷预测领域，具体是一种配电网负荷长短期记忆神经网络预测方法。
技术介绍
配电网短期负荷预测属于配电网调度的重要依据与前提，直接影响配电网运行的可靠性与安全性[1,2]。由于配电网分布广泛，网络复杂，不确定性强。同时，由于光伏出力受外界环境因素影响较大，尤其是气候因素对其影响尤其明显。随着分布式光伏电源直接接入，其波动出力直接削减部分负荷后，进一步提高了配电网净负荷的波动性与预测难度。常用于配电网负荷预测与光伏出力预测的方法包括统计法、时间序列法和人工智能方法等。有人提出了一种基于负荷预测误差特性的统计分析方法，结合预测结果和预测误差统计分布规律，得到概率性的负荷预测结果。有人采用结合混沌理论重构相空间并建立指数模型的方法，仅使用负荷历史数据对微网负荷进行预测。有人对于影响负荷的因素进行多源异构的差异化处理，使用SVR方法进行预测并使用并行运算，兼顾了模型的预测精度和速度。有人使用时间序列法，对包含季节因子的光伏出力数据建立ARIMA模型进行预测，预测精度较高且误差相对稳定。有人首先对光伏出力历史数据进行小波去噪，根本文档来自技高网...

【技术保护点】
1.一种配电网负荷长短期记忆神经网络预测方法，其特征在于，具体步骤如下：步骤一，采用LSTM分别构建配电网负荷预测模型与光伏出力预测模型；步骤二，采用LSTM自动提取历史关联性数据代入配电网负荷预测模型与光伏出力预测模型，得到配电网负荷的预测值和光伏出力的预测值；步骤三，将配电网负荷的预测值减去光伏出力的预测值，得到配电网净负荷的预测值。

【技术特征摘要】
1.一种配电网负荷长短期记忆神经网络预测方法，其特征在于，具体步骤如下：步骤一，采用LSTM分别构建配电网负荷预测模型与光伏出力预测模型；步骤二，采用LSTM自动提取历史关联性数据代入配电网负荷预测模型与光伏出力预测模型，得到配电网负荷的预测值和光伏出力的预测值；步骤三，将配电网负荷的预测值减去光伏出力的预测值，得到配电网净负荷的预测值。2.根据权利要求1所述的配电网负荷长短期记忆神经网络预测方法，其特征在于，所述构建配电网负荷与光伏出力预测模型之前将历史关联性数据进行标准化处理。3.根据权利要求2所述的配电网负荷长短期记忆神经网络预测方法，其特征在于，所述标准化处理的具体步骤如下：将每一列历史关联性数据的取值范围规范到[0,1]之间，对历史关联性数据序列y1,y2Kyn的标准化处理公式如下：其中表示该列历史关联性数据的均值，s为历史关联性数据的标准差。4.根据权利要求1所述的配电网负荷长短期记忆神经网络预测方法，其特征在于，所述步骤二中历史关联性数据包括连续历史负荷数据、时间数据和温度数据。5.根据权利要求2所述的配电网负荷长短期记忆神经网络预测方法，其特征在于，将标准化处理后的历史关联性数据划分为训练集、验证集和测试集3部分。6.根据...

【专利技术属性】
技术研发人员：史静，李琥，谈健，周琪，李冰洁，葛毅，刘国静，
申请(专利权)人：国网江苏省电力有限公司经济技术研究院，
类型：发明
国别省市：江苏,32